Радио 2.0: где нейросети можно доверять

В начале марта 2026 года в Москве прошла конференция «Радио 2.0», организованная нашими друзьями и партнёрами — компанией «МикроИТ». Совладелец iLikeMedia Андрей Свиридюк выступил на ней с докладом о нейросетях и радио.

Мы не будем пересказывать выступление слайд за слайдом. Вместо этого собрали основные положения, на которых строится наш подход к нейросетевым инструментам: какую роль они могут выполнять в радиопроизводстве, какие задачи им нельзя передавать и почему попытка полностью исключить человека из работы со смыслом почти неизбежно приводит к ошибкам.

Основная мысль доклада состояла в том, что и радио, и нейросети принято наделять свойствами, которых у них нет. Радио часто представляют как закрытое профессиональное искусство, доступное только избранным, а нейросеть — как самостоятельный разум, способный думать, принимать решения и создавать смыслы. На практике радио оказывается лишь способом доставки контента, а нейросеть — сложным, но всё же техническим инструментом.

Понимание этого различия помогает выстраивать управляемые процессы и не ждать от технологии того, что она в принципе не должна делать.

Радио — это не таинство

Внутри профессионального сообщества до сих пор существует представление, что радио — особая магия. Чтобы создать хороший эфир, якобы необходимы десятки сотрудников, многолетний опыт, сложная инфраструктура и некоторое непередаваемое знание, которым обладают только люди из индустрии.

Технически это не так. Один достаточно квалифицированный человек способен полностью собрать радиостанцию: подобрать музыку, запрограммировать эфир, записать оформление, подготовить разговорный контент и организовать вещание. Подтверждением служат тысячи частных и некоммерческих интернет‑станций, которые существовали ещё в конце нулевых и начале десятых годов и нередко управлялись одним энтузиастом.

Это не означает, что профессиональное радио нужно делать в одиночку. Команда необходима для качества, устойчивости и развития продукта. Несколько специалистов видят материал с разных сторон, замечают ошибки друг друга и не позволяют проекту замкнуться в кругозоре одного человека. Если весь эфир зависит от единственного сотрудника, возникают очевидные риски: от его отсутствия до профессионального зашоривания.

Однако между утверждениями «радио лучше делать командой» и «радио доступно только избранным» существует принципиальная разница. В первом случае речь идёт о разумной организации производства, во втором — о попытке превратить набор понятных процессов в профессиональное таинство.

‹ › 1 / 7

Хороший контент в радио не нуждается

Радио давно перестало быть главным источником информации и развлечений. Вокруг него больше не строится весь день слушателя, а новости, музыка, интервью и развлекательный контент доступны во множестве других каналов.

Для большинства людей радио выполняет фоновую функцию. Его включают в автомобиле, на работе, дома или в общественном пространстве, чтобы послушать музыку, получить информацию и сохранить ощущение нормальности. Радио сопровождает человека, но редко становится единственным центром его внимания.

Отсюда следует ещё один важный тезис: радиостанция обычно не является автором смысла. Она создаёт или отбирает контент, выстраивает его в программу и доставляет аудитории, однако музыка, новости и темы интервью существуют за пределами конкретной частоты.

Если материал действительно хорош, ему не обязательно оставаться внутри радио. Интервью можно опубликовать на YouTube, фрагменты разговора распространить через социальные сети, новостной выпуск превратить в текст, а отдельную рубрику выпустить в формате подкаста.

В этой конструкции радио выступает не единственным носителем смысла, а логистическим слоем. FM‑частота или интернет‑поток помогают доставить контент слушателю, но сами по себе не делают его уникальным.

Поэтому мы смотрим на радио как на инструмент коммуникации, а не как на закрытую форму искусства. Контент первичен, а доставка должна быть надёжной.

Почему мы не называем нейросеть интеллектом

Словосочетание «искусственный интеллект» прочно вошло в повседневную речь, хотя в практической работе оно часто создаёт неправильное представление о технологии. Когда человек говорит, что нейросеть «подумала», «поняла» или «приняла решение», он незаметно начинает приписывать программе человеческие свойства.

В действительности мы работаем с моделями, обученными выполнять определённые задачи: обрабатывать текст, распознавать речь, строить статистически вероятный ответ, анализировать массивы данных или генерировать звук. Они могут быть чрезвычайно совершенными, но от этого не становятся самостоятельным разумом.

Поэтому внутри iLikeMedia мы стараемся говорить именно о нейросетях как языковых моделях, а не об интеллекте. Такое различие необходимо не ради терминологического спора, а для правильной организации работы.

Если считать систему разумным собеседником, ей проще передать ответственность за решение. Если воспринимать её как механизм, становится очевидно, что результат необходимо проверять, а цели, ограничения и смысл задачи должен определять человек.

Нейросеть должна быть системным инструментом

Использование нейросети одним сотрудником ещё не означает, что компания внедрила её в работу. Часто это выглядит так: специалист создаёт личную учётную запись, собирает собственную библиотеку промптов, загружает материалы и постепенно выстраивает вокруг модели часть рабочего процесса.

Пока сотрудник находится в компании и его доступ работает, такая схема может казаться эффективной. Проблемы начинаются после увольнения, блокировки учётной записи или изменения условий работы внешнего сервиса. Вместе с человеком исчезают промпты, история запросов, накопленный контекст и понимание того, почему система настроена именно так.

Подобные случаи уже происходили с пользователями Gemini и других сервисов, когда ограничение доступа к одной учётной записи останавливало связанные с ней операции.

Поэтому наш принцип звучит достаточно жёстко: нейросеть либо централизованно встроена в бизнес‑процесс, либо не должна быть его обязательной частью. Частный инструмент сотрудника можно использовать для разовой задачи, поиска вариантов или вспомогательного анализа, но от него не должен зависеть выпуск продукта.

Системное использование предполагает общие правила, корпоративный доступ, сохранение контекста, распределение ролей, контроль результатов и понятный резервный сценарий. Компания должна знать, какие данные передаются модели, кто отвечает за проверку и что произойдёт, если внешний сервис станет недоступен.

Что нейросетям можно поручать

В нашем подходе у нейросетей есть два основных направления применения.

Первое — разработка инструментов для повседневной работы. Модель может быть частью системы, которая автоматизирует повторяющиеся операции, помогает искать материалы, структурирует информацию или связывает между собой несколько производственных этапов.

Второе — аналитика данных. Нейросеть способна быстро обрабатывать большие массивы записей, стенограмм и документов, находить повторения, сопоставлять фрагменты и формировать удобную для человека структуру.

В обоих случаях модель работает внутри процесса, цели и правила которого определены заранее. Она сокращает объём механической работы, но не получает права самостоятельно решать, какой смысл компания должна донести до аудитории.

Именно здесь проходит граница между полезной автоматизацией и попыткой заменить нейросетью редакцию.

Почему нельзя отдавать нейросети тексты и концепции

Нейросеть может выступать редактором, корректором или копирайтером в ограниченном смысле. Ей можно поручить проверить пунктуацию, найти повторы, предложить более точную формулировку или адаптировать уже существующий материал под другой объём.

Но исходный смысл должен задавать человек.

Если полностью передать модели написание текста, она начнёт собирать его из статистически подходящих конструкций. Результат может выглядеть гладким и профессиональным, но за ним не будет собственного опыта, позиции, понимания реальной ситуации и рисков. Именно поэтому нейросетевые тексты так часто оказываются похожими друг на друга: они правильно устроены, но ничего не сообщают об авторе.

По той же причине модели нельзя поручать разработку концепции. Концепция появляется из опыта, знания аудитории, понимания бизнеса и осознанного выбора между несколькими направлениями. Нейросеть может помочь сравнить варианты, найти данные и указать на противоречия, однако принять исходное решение должен человек, который понимает его последствия и готов за них отвечать.

Это правило относится и к стратегическому планированию. Модель полезна как аналитический оппонент, но опасна в роли самостоятельного стратега.

Где допустима генерация голоса

В презентации тезис о генерации голоса был сформулирован категорично: нейросетям нельзя отдавать эту задачу. При этом речь шла не о полном запрете технологии, а о её системном использовании в больших объёмах.

В iLikeMedia есть проекты, в которых применяется синтез речи. Например, автоматически созданный прогноз погоды продолжительностью 10⁠–⁠15 секунд можно озвучить цифровой моделью диктора, если у команды есть согласие владельца голоса, понятные правила генерации и возможность проверить результат перед эфиром.

Короткая служебная рубрика содержит ограниченное количество данных, а вероятность ошибки можно контролировать.

Совсем другая ситуация возникает, если модель должна регулярно озвучивать двухминутные рубрики. Даже современные системы ошибаются в ударениях, произношении названий и числительных. Они могут неверно выделить ключевое слово, разрушить интонационную структуру предложения или произнести фразу так, что её смысл изменится.

Чем длиннее материал, тем больше таких точек риска. При массовом производстве ошибка рано или поздно попадёт в эфир, а отвечать за неё будет не модель, а радиостанция.

Поэтому синтез речи мы используем для коротких, формализованных и контролируемых задач, а не как постоянную замену дикторов. Ещё один допустимый сценарий — исправление отдельного фрагмента уже записанного материала. Если диктор допустил ошибку, а организовать новую студийную сессию невозможно, звукорежиссёр может создать нужную фразу с помощью text‑to‑speech или speech‑to‑speech и аккуратно встроить её в запись.

Какие проблемы нам уже принесли нейросети

Наши ограничения появились не из теоретических опасений, а из собственного опыта.

В одном из случаев из‑за спешки анализ договора передали нейросети. Модель обнаружила в документе ошибку, которой там не существовало. Вывод был сформулирован достаточно убедительно, поэтому на него успели отреагировать как на реальный юридический риск. В результате едва не сорвалась сделка стоимостью в несколько сотен тысяч рублей.

Проблема заключалась не в том, что нейросеть ошиблась: ошибки возможны у любого инструмента. Опасным было то, что результат не прошёл полноценную проверку специалистом, а модель временно оказалась в роли юриста, принимающего решение.

Мы также пытались передавать нейросетям элементы стратегического мышления. Система могла собрать аргументы и предложить последовательный план, но не понимала корпоративного контекста, отношений между участниками и долгосрочных последствий выбора. Формально логичные рекомендации приводили к стратегическим ошибкам.

Третий блок проблем был связан с массовой генерацией речи. Ошибки в числительных, ударениях, произношении и интонациях могут показаться незначительными внутри тестового файла, но в эфире они быстро разрушают доверие. Аудитория слышит искусственность, а клиент получает материал, который не соответствует привычному стандарту радиопроизводства.

Общий вывод для всех этих случаев одинаков: нейросеть опасна не тогда, когда ошибается, а тогда, когда компания перестаёт предполагать возможность её ошибки.

Как нейросети работают в наших проектах

На конференции мы показали несколько систем, в которых модель не заменяет специалиста, а контролируемо выполняет отдельную часть работы.

Один из примеров — анализатор совещаний и разговоров. Мы объединили записи офлайн‑встреч, телефонных разговоров сотрудников и видеоконференций в одной системе. Она создаёт стенограммы, помогает определить роли участников, восстанавливает цепочки принятых решений и позволяет искать нужные обсуждения в общей базе.

Это отличается от обычной расшифровки, встроенной в сервис видеосвязи. Видеоконференция является только одним из источников. Система собирает коммуникации из разных каналов и помогает понять, где возникла договорённость, кто отвечал за следующий шаг и как решение менялось в ходе последующих обсуждений.

Другой пример — юрист‑контролёр для рекламных материалов. Оператор загружает ролик, после чего система проверяет возможные риски с точки зрения закона о рекламе, оценивает соответствие техническим требованиям и при необходимости конвертирует файл в нужный формат. Такой бот не заменяет юриста в спорных случаях, но выполняет первичную проверку и не позволяет очевидной ошибке бесконтрольно попасть в эфир.

Ещё одно направление — редакционный aircheck. Мы анализируем работу ведущих: как развивается разговор, где мысль оказалась затянутой, где итог подвели слишком рано, какие темы и шутки повторяются, не возникает ли рисков нарушения закона или возрастных ограничений. Система не решает, хороший перед ней ведущий или плохой, но собирает материал для предметного редакторского разбора.

Сервис распознавания радиорекламы

Отдельный проект сейчас находится в разработке, тестировании и опытной эксплуатации. Это сервис мониторинга рекламных блоков на региональных радиостанциях.

Система отслеживает эфир и определяет, какие рекламные ролики выходят на станциях, когда началась кампания, насколько часто повторяется материал и какие сообщения рекламодатель доносит до аудитории. Затем информация собирается в единую базу, с которой могут работать отделы продаж.

Задача такого сервиса — заменить ручное прослушивание десятков радиостанций управляемым мониторингом. Вместо разрозненных наблюдений менеджеры получают историю размещений и могут видеть, какие компании начали рекламную активность, какие завершили кампанию и как меняется поведение отдельных отраслей.

Нейросетевые инструменты могут использоваться на отдельных этапах анализа и классификации, но сам продукт не должен полностью зависеть от одной модели. Для постоянного мониторинга важны стоимость обработки, воспроизводимость результата и возможность продолжить работу при недоступности внешнего сервиса.

Это ещё один пример системного подхода: технология встраивается в конкретный процесс, а не существует в виде личного чата одного сотрудника.

Сократический диалог вместо готового ответа

Лучшим способом работы с языковой моделью мы считаем сократический диалог. В этой схеме нейросеть не сразу выдаёт готовое решение, а задаёт вопросы, на которые последовательно отвечает оператор.

Такой формат требует от человека сформулировать исходные данные, объяснить ограничения и обнаружить пробелы в собственном понимании задачи. Если пользователь не может ответить на вопрос, становится заметно, какого знания ему не хватает. Если ответ противоречит предыдущему, противоречие можно устранить до того, как оно превратится в неверное решение.

Оператор при этом видит основания, допущения и промежуточные выводы, может проверять логику и возвращать разговор к тому месту, где возникла ошибка. Нейросеть становится не автором решения, а собеседником, который помогает человеку исследовать собственную позицию.

Этот подход также расширяет кругозор. Модель способна предложить вопрос, о котором специалист не подумал, или указать на альтернативное объяснение. Однако окончательное решение всё равно остаётся за человеком.

Главное преимущество сократического диалога заключается в том, что он препятствует профессиональному отуплению. Пользователь не копирует готовый ответ, а продолжает думать, формулировать и проверять свои выводы.

Радио, коммуникации и управляемые процессы

Нейросети уже стали частью радиопроизводства, спорить с этим бессмысленно. Вопрос заключается не в том, использовать их или нет, а в том, какое место они займут внутри компании.

Если нейросеть становится личным помощником одного сотрудника, пишет вместо него тексты и постепенно принимает решения, организация получает зависимость, которую трудно контролировать: зависимость и от сотрудника, и от его аккаунта в нейросети. Если же модель встроена в общий процесс, имеет ограниченную роль и работает под ответственностью специалиста, она помогает экономить время, анализировать большие массивы данных и создавать инструменты, которые раньше были слишком дорогими.

Радио при этом тоже не должно сохранять вокруг себя искусственную магию. Это эффективный канал коммуникации, состоящий из понятных производственных и технических процессов. Чем точнее они описаны, тем проще их автоматизировать, контролировать и развивать.